笔者最近在做的是虚拟化相关的一个demo，牵涉到虚拟化环境下的服务器负载均衡。我们用到一个简单的case，就是在负载出现“不平衡”的时候，进行 live migration。由于只是demo需要，我们的负载暂时只考虑到cpu的利用率。而实际准备中，由于没有客户端的压力，很难做到CPU利用率的精确控制。这里写了个简单的脚本程序，通过自适应的调节，来达到将服务器CPU利用率控制在一定的范围内，从而为确保在某台服务器CPU过高的时候，会自动将虚拟机live migration到其他CPU利用率低的机器上的测试做了准备。
python实现的脚本如下，这个脚本需要5个数字参数的输入，分别为：
***CPU利用率，***CPU利用率，初始线程数量，每次调节的线程数量，每个线程睡眠的时间（毫秒）
当然，很大程度上，由于硬件环境的不同，这些参数带有很强的经验性。
复制
#!/usr/bin/python import threading import time import os import string import sys class ControlThread(threading.Thread): def __init__(self): threading.Thread.__init__(self) self.runflag = True #线程运行标示，用于将来减少线程时能够正常结束 def run(self): while self.runflag: os.popen('usleep ' sys.argv[5]) #time.sleep(string.atof(sys.argv[5])) #这里使用的是linux下shell里面的usleep，而不是python自带的sleep函数。 #相比之下，usleep还是相当强大的，而python的sleep单位为秒，虽然可以输入浮点数，
但还是相对弱了些 def stop(self): self.runflag = False #让其正常终止循环 threadList=[] print 'Start Thread Number:' sys.argv[3] '\tSleep Time(ms):' sys.argv[5] #初始化一定数量的线程，否则从零开始，可能需要很长的时间才能达到指定范围 for i in range(0,string.atoi(sys.argv[3])): thread = ControlThread() threadList.append(thread) thread.start() #这里使用sar来抓取cpu利用率，这里指的是总的cpu利用率。然后通过比较，进行自适应调整 while True: output = 100 - string.atof(os.popen('sar 1 1 | grep ^Average | awk \'
{print $8}\'').read()) print 'CPU Usage:' str(output) '\tCurrent Thread Number:' str(len(threadList)) if output < string.atoi(sys.argv[1]):#增加线程 for i in range(0,string.atoi(sys.argv[4])): thread = ControlThread() thread.start() threadList.append(thread) print " " if output > string.atoi(sys.argv[2]):#减少线程 for i in range(0,string.atoi(sys.argv[4])): thread = threadList.pop() thread.stop() print "-----" 1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
总的来说，这个脚本比较简单，而且在不同的机器上，需要操作人员的经验来初始化才能达到***效果。但这毕竟是我***个python程序，而且也达到了预期的目的。以上只是能运行的核心代码，至于usage，错误处理，退出程序等，就没有给出来了：）
【编辑推荐】